TdxQuant · 30/30 · 第6周

"我们寻找的是市场中的异常模式，因为它们迟早会消失。"

— 詹姆斯·西蒙斯（文艺复兴科技创始人）

本系列共30篇，由浅入深带你全面掌握通达信量化平台TdxQuant，从环境搭建到策略实战，从API详解到公众号级案例，一文一课，循序渐进。

模式一

Python → 公式

在Python中计算指标，通过 formula_set_data 喂给公式引擎，再用公式做进一步计算或选股。适合Python有现成算法、公式有成熟选股条件的场景。

模式二

公式 → Python

用公式引擎计算技术指标或选股信号，结果返回给Python做后续处理（回测、风控、组合优化）。适合公式体系成熟、需要扩展性处理能力的场景。

from tqcenter import tq
import pandas as pd

tq.initialize(__file__)

# ========== 模式二：公式 → Python ==========

# Step 1: 获取全A股
codes = tq.get_stock_list(0)

# Step 2: 格式化数据
fmt = tq.formula_format_data(stock_list=codes, period='1d')

# Step 3: 喂给公式引擎
tq.formula_set_data(fmt)
tq.formula_set_data_info(period='1d', stock_type=1)

# Step 4: 批量调用MACD金叉选股公式
result = tq.formula_process_mul_xg(
    stock_list=codes[:100],  # 批量上限
    formula_name='MACD金叉',
    period='1d'
)

# Step 5: Python后处理
selected = [code for code, val in result.items() if val == 1]
print(f"MACD金叉选股结果: {len(selected)} 只")

# 进一步用Python过滤（结合基本面）
for code in selected:
    info = tq.get_stock_info(stock_code=code, field_list=['Name','PE'])
    if info.get('PE') and float(info['PE']) < 30:
        print(f"  {code} {info.get('Name')} PE={info['PE']}")

第1周

快速上手

环境搭建 + 第一个策略 + API详解

第2周

基础函数

初始化、订阅、回调、消息、导出

第3周

行情数据

K线、快照、证券信息、扩展信息

第4周

财务选股

财报、交易数据、板块、自定义板块

第5周

进阶实战

公式调用、交易、账户、回测

第6周

综合实战

5个完整策略案例 + 公式互通

感谢你跟随本系列走到最后。接下来，打开你的通达信客户端，写第一个属于你自己的量化策略吧。如有疑问，欢迎在公众号留言交流。